در این مطلب، ویدئو Python – آزمون Chi-Square Residuals Adjusted Post-Hoc با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:08:40
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,960 –> 00:00:02,800
در این ویدیو خوش آمدید، من به
2
00:00:02,800 –> 00:00:04,880
شما نشان می دهم که چگونه می توانید یک تست باقیمانده پس از بحث
3
00:00:04,880 –> 00:00:07,839
برای تست استقلال پیرسون کای دو
4
00:00:07,839 –> 00:00:08,480
انجام دهید،
5
00:00:08,480 –> 00:00:12,160
بنابراین این یکی
6
00:00:12,160 –> 00:00:14,559
از چند گزینه متفاوتی است که شارپی
7
00:00:14,559 –> 00:00:16,720
در مقاله خود به آن اشاره می کند،
8
00:00:16,720 –> 00:00:18,560
چند گزینه دیگر وجود دارد. این یکی
9
00:00:18,560 –> 00:00:21,279
در واقع بر روی هر سلول تمرکز می کند، بنابراین
10
00:00:21,279 –> 00:00:23,199
پس از آزمایش مربع چی پیرسون، می دانید
11
00:00:23,199 –> 00:00:24,960
که
12
00:00:24,960 –> 00:00:26,960
اگر بین دو متغیر اسمی معنی دار بود، ارتباط وجود دارد
13
00:00:26,960 –> 00:00:28,720
14
00:00:28,720 –> 00:00:30,880
و سپس با این تست پس از پایان، در صورت انتظار، در
15
00:00:30,880 –> 00:00:32,800
واقع به دنبال هر سلول خواهید بود.
16
00:00:32,800 –> 00:00:35,120
تعداد به طور قابل توجهی
17
00:00:35,120 –> 00:00:36,719
با
18
00:00:36,719 –> 00:00:40,239
تعداد مشاهده شده متفاوت است. من پیوندی به
19
00:00:40,239 –> 00:00:42,320
این دفترچه یادداشت ژوپیتر در توضیحات
20
00:00:42,320 –> 00:00:44,399
زیر می گذارم تا بتوانید خودتان آن را بخوانید
21
00:00:44,399 –> 00:00:46,719
یا می توانید ویدیو را متوقف کنید
22
00:00:46,719 –> 00:00:48,320
یا می توانید از وب سایت من بازدید کنید
23
00:00:48,320 –> 00:00:51,360
و همان اطلاعات را در آنجا پیدا کنید که چگونه
24
00:00:51,360 –> 00:00:52,480
این آزمایش را انجام می دهد.
25
00:00:52,480 –> 00:00:54,719
کار می کند یا می توان انجام داد، من با یک مثال نشان خواهم داد
26
00:00:54,719 –> 00:00:55,600
27
00:00:55,600 –> 00:00:58,079
و برای آن به چند داده نمونه نیاز دارم،
28
00:00:58,079 –> 00:00:59,840
بنابراین می خواهم به عنوان
29
00:00:59,840 –> 00:01:03,039
قاب داده پاندا بارگیری کنم، بنابراین
30
00:01:03,039 –> 00:01:04,879
اگر هرگز استفاده نکرده اید، پانداها را وارد می کنم در
31
00:01:04,879 –> 00:01:06,880
ضمیمه x قبل از اینکه لازم باشد ابتدا از pip
32
00:01:06,880 –> 00:01:08,880
install pandas استفاده کنید
33
00:01:08,880 –> 00:01:11,920
و سپس می توانید قلم را بارگذاری کنید و سپس برای
34
00:01:11,920 –> 00:01:13,200
بارگیری فایل در واقع
35
00:01:13,200 –> 00:01:15,680
یک فایل csv است همانطور که می بینید، بنابراین
36
00:01:15,680 –> 00:01:16,320
من از
37
00:01:16,320 –> 00:01:19,680
خواندن csv استفاده می کنم و هد پنج مورد اول را به من نشان می دهد.
38
00:01:19,680 –> 00:01:21,600
گزینه ها من یک اخطار کوچک دریافت می کنم
39
00:01:21,600 –> 00:01:23,119
زیرا یک فایل بزرگ است اما
40
00:01:23,119 –> 00:01:26,799
برای این مثال چندان مرتبط نیست به
41
00:01:26,799 –> 00:01:28,880
عنوان مثال من از دو فیلد اسمی استفاده خواهم کرد
42
00:01:28,880 –> 00:01:29,840
43
00:01:29,840 –> 00:01:33,200
uh marital one mar one که
44
00:01:33,200 –> 00:01:34,560
وضعیت تاهل
45
00:01:34,560 –> 00:01:36,960
و جنسیت فیلد جنسی و من است.
46
00:01:36,960 –> 00:01:38,880
من آنها را بهعنوان فیلد یک در
47
00:01:38,880 –> 00:01:40,320
فیلد 2 خود ذخیره میکنم، فقط برای
48
00:01:40,320 –> 00:01:43,200
اینکه مجبور نباشم دوباره تایپ کنم که هر بار
49
00:01:43,200 –> 00:01:44,960
برای برداشت سریع از دادهها،
50
00:01:44,960 –> 00:01:45,520
میتوانم از
51
00:01:45,520 –> 00:01:48,000
crosstab پانداها استفاده کنم و فقط آن دو
52
00:01:48,000 –> 00:01:48,880
فیلد را وارد
53
00:01:48,880 –> 00:01:51,920
کنم، سپس کمی خوب دریافت میکنم. جدول متقاطع
54
00:01:51,920 –> 00:01:53,840
و من می توانم ببینم که به عنوان مثال 50 نفر
55
00:01:53,840 –> 00:01:56,399
گفتند زن هستند و
56
00:01:56,399 –> 00:01:58,719
اکنون برای انجام آن تست پساداکتری جدا شده اند، من
57
00:01:58,719 –> 00:02:00,880
به نتایج خود آزمون کای اسکوئر نیاز
58
00:02:00,880 –> 00:02:01,920
59
00:02:01,920 –> 00:02:04,479
دارم، یک ویدیوی طولانی تر در مورد نحوه انجام
60
00:02:04,479 –> 00:02:06,000
این کار دقیقا دارم اما
61
00:02:06,000 –> 00:02:08,160
در اصل من هستم با استفاده از آمار کنار هم
62
00:02:08,160 –> 00:02:09,840
در واقع برای به دست آوردن نتایج
63
00:02:09,840 –> 00:02:11,840
من همه o را ذخیره می کنم اگر آنها و این به
64
00:02:11,840 –> 00:02:13,360
من یک دسته کامل از
65
00:02:13,360 –> 00:02:16,000
چیزها را می دهد، از جمله ارزش chi-square
66
00:02:16,000 –> 00:02:18,319
اهمیت درجه آزادی
67
00:02:18,319 –> 00:02:21,520
و شمارش های مورد انتظار در حال حاضر من چیزی را
68
00:02:21,520 –> 00:02:22,000
69
00:02:22,000 –> 00:02:25,680
پیدا نکردم، بنابراین اینها هستند، من
70
00:02:25,680 –> 00:02:28,640
هیچ بسته ای پیدا نکردم که واقعاً این
71
00:02:28,640 –> 00:02:29,920
پست دکتری را انجام دهد. تجزیه و تحلیل،
72
00:02:29,920 –> 00:02:31,840
بنابراین اگر یکی را می شناسید در نظرات زیر به من بگویید،
73
00:02:31,840 –> 00:02:33,200
74
00:02:33,200 –> 00:02:35,680
بنابراین چگونه این واقعاً کار می کند، باید
75
00:02:35,680 –> 00:02:36,239
76
00:02:36,239 –> 00:02:37,760
فرمول را بررسی کنم تا کمی
77
00:02:37,760 –> 00:02:39,360
طولانی تر از حد معمول باشد،
78
00:02:39,360 –> 00:02:41,680
من باید باقیمانده ها را تنظیم کنم و
79
00:02:41,680 –> 00:02:44,000
اکنون این فرمول ترسناک است. در
80
00:02:44,000 –> 00:02:44,959
اینجا o
81
00:02:44,959 –> 00:02:47,840
i j به سادگی تعداد مشاهده شده در سلول
82
00:02:47,840 –> 00:02:48,160
i
83
00:02:48,160 –> 00:02:52,640
j e i j تعداد مورد انتظار است
84
00:02:52,640 –> 00:02:55,840
r i
85
00:02:55,840 –> 00:02:58,959
مجموع ردیف ردیف i است و c
86
00:02:58,959 –> 00:03:03,360
j ردیف است متأسفم کل
87
00:03:03,360 –> 00:03:04,800
ستون j
88
00:03:04,800 –> 00:03:07,920
و n به سادگی کل کل کامل است
89
00:03:07,920 –> 00:03:10,080
بنابراین من در واقع موارد
90
00:03:10,080 –> 00:03:12,159
مشاهده شده را قبلاً مشاهده کرده ام. تعداد آنها در جدول متقاطع من هستند
91
00:03:12,159 –> 00:03:13,599
92
00:03:13,599 –> 00:03:16,959
و من تعداد مورد انتظاری را دارم
93
00:03:16,959 –> 00:03:20,000
که از اینجا به دست آمده است، بنابراین
94
00:03:20,000 –> 00:03:20,720
95
00:03:20,720 –> 00:03:23,519
اینها در واقع اینها هستند، بنابراین آنچه من هنوز ندارم
96
00:03:23,519 –> 00:03:24,319
97
00:03:24,319 –> 00:03:27,040
مجموع ستون ها است بنابراین می توانم به سادگی از آن
98
00:03:27,040 –> 00:03:27,840
با
99
00:03:27,840 –> 00:03:31,760
جمع بندی کراس استفاده کنم. جدول s و
100
00:03:31,760 –> 00:03:32,000
101
00:03:32,000 –> 00:03:34,879
بیایید تعداد ستون ها را نیز به عنوان مجموع ستون ها داشته باشیم
102
00:03:34,879 –> 00:03:36,080
103
00:03:36,080 –> 00:03:37,680
و این به من تعداد
104
00:03:37,680 –> 00:03:39,840
ستون هایی که من دارم که 2 است
105
00:03:39,840 –> 00:03:43,519
و مجموع ستون های من که 1068 و
106
00:03:43,519 –> 00:03:45,360
873 است را
107
00:03:45,360 –> 00:03:46,879
به من می دهد، سپس برای سطرها می توانید همین
108
00:03:46,879 –> 00:03:48,720
کار را انجام دهید اما من باید اضافه کنم که من
109
00:03:48,720 –> 00:03:50,959
آن را از محور دیگری میخواهم، در غیر این صورت،
110
00:03:50,959 –> 00:03:54,799
مجموع ستونها را دوباره انجام میدهد، بنابراین
111
00:03:54,799 –> 00:03:56,480
تعداد سطرها را به من میدهد
112
00:03:56,480 –> 00:03:58,879
که پنج و مجموع ردیفها
113
00:03:58,879 –> 00:04:02,560
که اینها هستند، همچنین ممکن است خوب
114
00:04:02,560 –> 00:04:04,720
باشد که کل کل را داشته باشیم. میتوان
115
00:04:04,720 –> 00:04:06,879
مجموع ردیفها یا کل ستونها را جمعبندی کرد
116
00:04:06,879 –> 00:04:07,680
117
00:04:07,680 –> 00:04:09,200
و این به من کل کل
118
00:04:09,200 –> 00:04:11,680
1941 را میدهد.
119
00:04:11,680 –> 00:04:13,599
ما همه چیزه